SlideShare a Scribd company logo
1 of 11
Copyright 2017. Japan Space Systems. All Rights Reserved. 1
宇宙APIレシピ集
Copyright 2017. Japan Space Systems. All Rights Reserved.
ラスタデータのベクタデータ化
➢ ポイント
1. このレシピでは、ASTERデータを分類した結果 作成され
た画像(参考: 分類)をベクタデータに変更します。
2. ベクタデータは、多くの情報を持つことができるので、
解析結果保存に役立ちます。
➢ 用意するもの
1. インターネットに接続できるPC
2. ASTERデータフォルスカラー画像 (参考: ASTERデータ
フォルスカラー画像作成)
3. 分類結果のラスタ画像 (参考: 分類)
4. QGIS (参考: QGISインストール)
➢ 操作
1. ASTERデータフォルスカラー画像を用意します。 (参考:
ASTERデータフォルスカラー画像作成)
2. QGISを起動します。
3. ASTERデータを用いて、分類します。(参考: 分類)
2
ASTERデータを分類した結果
Copyright 2017. Japan Space Systems. All Rights Reserved.
4. QGIS上段のメニューバーを右クリックし、以下の項目の
チェックを外します。
SCP Dock
SCP Edit Toolbar
SCP Toolbar
SCP Working Toolbar
5. QGIS上段より、ラスタ→解析→ふるいを選択します。
6. 出力ファイル欄で、出力ファイル名を作成します。
7. しきい値にチェックを入力し、100を設定します。
8. ピクセルの連結にチェックを入力し、4を設定します。
ラスタデータのベクタデータ化
3
Copyright 2017. Japan Space Systems. All Rights Reserved.
9. QGIS上段より、ラスタ→変換→ポリゴン化(ラスタのベ
クタ化)を選択します。
10.入力ファイル欄より、先程作成したレイヤを選択します。
11.ポリゴン出力ファイル欄より、ファイル名を作成します。
12.フィールド名にチェックを入れ、DNを設定します。
13.OKボタンをクリックします。
14.ふるい分けされたレイヤが表示されます。
ラスタデータのベクタデータ化
4
Copyright 2017. Japan Space Systems. All Rights Reserved.
15.ふるい分けしたレイヤをダブルクリックして、プロパ
ティを表示します。
16.プロパティウィンドウのスタイルタブを選択します。
17.プロパティウィンドウ上段にある単一シンボルをクリッ
クして、分類されたを選択します。
18.カラム欄で、DNを選択し、分類ボタンをクリックします。
19.OKボタンをクリックします。
ラスタデータのベクタデータ化
5
ふるい分けレイヤの色分け結果
Copyright 2017. Japan Space Systems. All Rights Reserved.
20.ふるい分けした領域の面積計算を行います。面積計算を
する際は、投影法をUTMに変更する必要があります。(は
じめに保存した際は、等緯度経度(WGS 84)で保存してい
ます。投映法については、地図作成を参照してください)
21.レイヤを右クリックして、名前を付けて保存するを選択
します。
22.File Name欄で、ファイル名を作成します。CSR選択アイ
コン をクリックして、UTMを選択します。ゾーンにつ
いては、対象となる領域のゾーンを選択してください。
今回は、ケニアとタンザニアの国境を対象としてるため、
下記のUTMを選択します。
WGS 84 / UTM zone 36s
23.OKボタンをクリックして、投影法を変更したベクタデー
タを保存します。
ラスタデータのベクタデータ化
6
Copyright 2017. Japan Space Systems. All Rights Reserved.
ラスタデータのベクタデータ化
7
24.UTM変換したベクタレイヤをダブルクリックして、プロ
パティを表示します。
25.スタイルタブを選択します。
26.単一シンボルをクリックして、分類されたを選択します。
27.分類ボタンをクリックし、OKボタンをクリックします。
Copyright 2017. Japan Space Systems. All Rights Reserved.
ラスタデータのベクタデータ化
8
28.QGIS上段より、ベクタ→ジオメトリツール→ジオメトリ
カラムの出力/追加を選択します。
29.入力レイヤ欄で、投影法をUTMに変換したベクタレイヤ
を選択します。
30.Runボタンをクリックします。
31.作成されたベクタレイヤを右クリックして、属性テーブ
ルを開くを選択します。面積(Area)及び周囲長
(Perimeter)が表示されていることを確認します。
面積と周囲長の計算結果が追加された
Copyright 2017. Japan Space Systems. All Rights Reserved.
ラスタデータのベクタデータ化
9
32.属性テーブルウィンドウから式を使った地物検索アイコ
ン をクリックします。
33.表示されたポップアップウィンドウ上で、式を入力しま
す。今回は、分類した水域を選択します。
34.選択ボタンをクリックし、閉じるボタンをクリックしま
す。
選択した地物がハイライトで表示される
Copyright 2017. Japan Space Systems. All Rights Reserved.
ラスタデータのベクタデータ化
10
35.ベクタレイヤを右クリックして、名前を付けて保存する
を選択します。
36.File name欄で、保存するファイル名を作成します。
37.OKボタンをクリックして、保存します。
38.操作32から34で選択した水域のみ保存されます。
39.必要に応じて、QGISプロジェクトを保存します。
水域のみが抽出された
Copyright 2017. Japan Space Systems. All Rights Reserved.
ラスタデータのベクタデータ化
➢ まめちしき (ベクタデータ化)
ラスタデータとベクタデータには大きな違いがあります。ま
ず、ラスタデータは、ピクセルで区切られた中に情報が埋め
込まれています。一方ベクタデータは、点や線、多角形と
いった地理空間的な特徴を有しており、その中に情報を保持
しています。さらに、ベクタデータでは、それぞれの地物に
ついて多くの情報を持たせることができます。これにより、
面積の計算や地物の選択等、解析に必要な様々な操作を行う
ことができるようになります。
このため、多くの研究者は、衛星データを用いて分類した結
果等をベクタデータ化することで、より多くの情報を分類し
た地物ごとに持たせて、今後の解析に役立てていきます。
11
ラスタデータとベクタデータの比較。ラスタデータはピクセルで仕分けられているが、ラスタ
データは、空間的にデータを保有することができる。
ベクタデータには、多くの情報を持たせることができる。これによ
り、行政区でデータを選別したり、面積や人口等で情報をふるいに
変えることができる。

More Related Content

What's hot

Android Hacks - Hack27 ~ Hack29
Android Hacks - Hack27 ~ Hack29Android Hacks - Hack27 ~ Hack29
Android Hacks - Hack27 ~ Hack29Masanori Ohkawara
 
Wicket with Spring Boot on Azure
Wicket with Spring Boot on AzureWicket with Spring Boot on Azure
Wicket with Spring Boot on AzureHiroto Yamakawa
 
Hackathon 161010 pressen
Hackathon 161010 pressenHackathon 161010 pressen
Hackathon 161010 pressenWEBFARMER. ltd.
 
手元の物理ネットワーク機器をクラウドにデプロイしてみる話 #npstudy
手元の物理ネットワーク機器をクラウドにデプロイしてみる話 #npstudy手元の物理ネットワーク機器をクラウドにデプロイしてみる話 #npstudy
手元の物理ネットワーク機器をクラウドにデプロイしてみる話 #npstudyaxsh co., LTD.
 
Lisp Meet Up #19, cl-cuda: a library to use NVIDIA CUDA in Common Lisp
Lisp Meet Up #19, cl-cuda: a library to use NVIDIA CUDA in Common LispLisp Meet Up #19, cl-cuda: a library to use NVIDIA CUDA in Common Lisp
Lisp Meet Up #19, cl-cuda: a library to use NVIDIA CUDA in Common Lispmasayukitakagi
 
JavaScript祭in ForPro nuxt.jsとSSRことはじめ
JavaScript祭in ForPro nuxt.jsとSSRことはじめJavaScript祭in ForPro nuxt.jsとSSRことはじめ
JavaScript祭in ForPro nuxt.jsとSSRことはじめ松田 千尋
 
JAWS-UG HPC #0 LT資料
JAWS-UG HPC #0 LT資料JAWS-UG HPC #0 LT資料
JAWS-UG HPC #0 LT資料Daisuke Nagao
 
EC2に対するcloudwatchのアクション設定がポリシーで使えないときの代替策
EC2に対するcloudwatchのアクション設定がポリシーで使えないときの代替策EC2に対するcloudwatchのアクション設定がポリシーで使えないときの代替策
EC2に対するcloudwatchのアクション設定がポリシーで使えないときの代替策Daisuke Nagao
 
自然空冷の概要と、今後のビジネス・トレンドWeb.pdf
自然空冷の概要と、今後のビジネス・トレンドWeb.pdf自然空冷の概要と、今後のビジネス・トレンドWeb.pdf
自然空冷の概要と、今後のビジネス・トレンドWeb.pdfTadashi Sugita
 
Awsで温暖化予想?!
Awsで温暖化予想?!Awsで温暖化予想?!
Awsで温暖化予想?!Kanae Ikegami
 
200319 eash python_shareslide
200319 eash python_shareslide200319 eash python_shareslide
200319 eash python_shareslideHiroki Katayama
 
省電力データセンターシステムデザイン
省電力データセンターシステムデザイン省電力データセンターシステムデザイン
省電力データセンターシステムデザインTadashi Sugita
 
Treasure data demo.0517
Treasure data demo.0517Treasure data demo.0517
Treasure data demo.0517BigData Sios
 
第五回テックヒルズ登壇資料 git移行の3つの山 (株)モバイルファクトリー 阿部氏
第五回テックヒルズ登壇資料 git移行の3つの山 (株)モバイルファクトリー 阿部氏第五回テックヒルズ登壇資料 git移行の3つの山 (株)モバイルファクトリー 阿部氏
第五回テックヒルズ登壇資料 git移行の3つの山 (株)モバイルファクトリー 阿部氏Katsuya Ohnishi
 
Hyperlapse for Azure Media Servicesを本気で使ってみた
Hyperlapse for Azure Media Servicesを本気で使ってみたHyperlapse for Azure Media Servicesを本気で使ってみた
Hyperlapse for Azure Media Servicesを本気で使ってみたNaoto MATSUMOTO
 
Archaeo-GIS Workshop Round 7: GPS hands-on
Archaeo-GIS Workshop Round 7: GPS hands-onArchaeo-GIS Workshop Round 7: GPS hands-on
Archaeo-GIS Workshop Round 7: GPS hands-onYasuhisa Kondo
 

What's hot (20)

SeaLevel
SeaLevelSeaLevel
SeaLevel
 
Android Hacks - Hack27 ~ Hack29
Android Hacks - Hack27 ~ Hack29Android Hacks - Hack27 ~ Hack29
Android Hacks - Hack27 ~ Hack29
 
Wicket with Spring Boot on Azure
Wicket with Spring Boot on AzureWicket with Spring Boot on Azure
Wicket with Spring Boot on Azure
 
git移行の3つの山
git移行の3つの山git移行の3つの山
git移行の3つの山
 
Hackathon 161010 pressen
Hackathon 161010 pressenHackathon 161010 pressen
Hackathon 161010 pressen
 
手元の物理ネットワーク機器をクラウドにデプロイしてみる話 #npstudy
手元の物理ネットワーク機器をクラウドにデプロイしてみる話 #npstudy手元の物理ネットワーク機器をクラウドにデプロイしてみる話 #npstudy
手元の物理ネットワーク機器をクラウドにデプロイしてみる話 #npstudy
 
点群処理
点群処理点群処理
点群処理
 
Lisp Meet Up #19, cl-cuda: a library to use NVIDIA CUDA in Common Lisp
Lisp Meet Up #19, cl-cuda: a library to use NVIDIA CUDA in Common LispLisp Meet Up #19, cl-cuda: a library to use NVIDIA CUDA in Common Lisp
Lisp Meet Up #19, cl-cuda: a library to use NVIDIA CUDA in Common Lisp
 
JavaScript祭in ForPro nuxt.jsとSSRことはじめ
JavaScript祭in ForPro nuxt.jsとSSRことはじめJavaScript祭in ForPro nuxt.jsとSSRことはじめ
JavaScript祭in ForPro nuxt.jsとSSRことはじめ
 
JAWS-UG HPC #0 LT資料
JAWS-UG HPC #0 LT資料JAWS-UG HPC #0 LT資料
JAWS-UG HPC #0 LT資料
 
EC2に対するcloudwatchのアクション設定がポリシーで使えないときの代替策
EC2に対するcloudwatchのアクション設定がポリシーで使えないときの代替策EC2に対するcloudwatchのアクション設定がポリシーで使えないときの代替策
EC2に対するcloudwatchのアクション設定がポリシーで使えないときの代替策
 
自然空冷の概要と、今後のビジネス・トレンドWeb.pdf
自然空冷の概要と、今後のビジネス・トレンドWeb.pdf自然空冷の概要と、今後のビジネス・トレンドWeb.pdf
自然空冷の概要と、今後のビジネス・トレンドWeb.pdf
 
夏前ゼミ
夏前ゼミ夏前ゼミ
夏前ゼミ
 
Awsで温暖化予想?!
Awsで温暖化予想?!Awsで温暖化予想?!
Awsで温暖化予想?!
 
200319 eash python_shareslide
200319 eash python_shareslide200319 eash python_shareslide
200319 eash python_shareslide
 
省電力データセンターシステムデザイン
省電力データセンターシステムデザイン省電力データセンターシステムデザイン
省電力データセンターシステムデザイン
 
Treasure data demo.0517
Treasure data demo.0517Treasure data demo.0517
Treasure data demo.0517
 
第五回テックヒルズ登壇資料 git移行の3つの山 (株)モバイルファクトリー 阿部氏
第五回テックヒルズ登壇資料 git移行の3つの山 (株)モバイルファクトリー 阿部氏第五回テックヒルズ登壇資料 git移行の3つの山 (株)モバイルファクトリー 阿部氏
第五回テックヒルズ登壇資料 git移行の3つの山 (株)モバイルファクトリー 阿部氏
 
Hyperlapse for Azure Media Servicesを本気で使ってみた
Hyperlapse for Azure Media Servicesを本気で使ってみたHyperlapse for Azure Media Servicesを本気で使ってみた
Hyperlapse for Azure Media Servicesを本気で使ってみた
 
Archaeo-GIS Workshop Round 7: GPS hands-on
Archaeo-GIS Workshop Round 7: GPS hands-onArchaeo-GIS Workshop Round 7: GPS hands-on
Archaeo-GIS Workshop Round 7: GPS hands-on
 

Similar to Vector

機械学習 / Deep Learning 大全 (5) Tool編
機械学習 / Deep Learning 大全 (5) Tool編機械学習 / Deep Learning 大全 (5) Tool編
機械学習 / Deep Learning 大全 (5) Tool編Daiyu Hatakeyama
 
Microsoft Azureのビッグデータ基盤とAIテクノロジーを活用しよう
Microsoft Azureのビッグデータ基盤とAIテクノロジーを活用しようMicrosoft Azureのビッグデータ基盤とAIテクノロジーを活用しよう
Microsoft Azureのビッグデータ基盤とAIテクノロジーを活用しようHideo Takagi
 
Data Factory V2 新機能徹底活用入門
Data Factory V2 新機能徹底活用入門Data Factory V2 新機能徹底活用入門
Data Factory V2 新機能徹底活用入門Keisuke Fujikawa
 
20110519 okuyama tokyo_linuxstudy
20110519 okuyama tokyo_linuxstudy20110519 okuyama tokyo_linuxstudy
20110519 okuyama tokyo_linuxstudyTakahiro Iwase
 
20160220 MSのビッグデータ分析基盤 - データマイニング+WEB@東京
20160220 MSのビッグデータ分析基盤 - データマイニング+WEB@東京20160220 MSのビッグデータ分析基盤 - データマイニング+WEB@東京
20160220 MSのビッグデータ分析基盤 - データマイニング+WEB@東京Koichiro Sasaki
 
コンピュータビジョン7章資料_20140830読書会
コンピュータビジョン7章資料_20140830読書会コンピュータビジョン7章資料_20140830読書会
コンピュータビジョン7章資料_20140830読書会Nao Oec
 
[DI07] あらゆるデータに価値がある! アンチ断捨離ストのための Azure Data Lake
[DI07] あらゆるデータに価値がある! アンチ断捨離ストのための Azure Data Lake[DI07] あらゆるデータに価値がある! アンチ断捨離ストのための Azure Data Lake
[DI07] あらゆるデータに価値がある! アンチ断捨離ストのための Azure Data Lakede:code 2017
 
PPT Full version: 世界中のゲーム分析をしてきたPlayFabが大進化!一緒に裏側の最新データ探索の仕組みを覗いてみよう
PPT Full version: 世界中のゲーム分析をしてきたPlayFabが大進化!一緒に裏側の最新データ探索の仕組みを覗いてみようPPT Full version: 世界中のゲーム分析をしてきたPlayFabが大進化!一緒に裏側の最新データ探索の仕組みを覗いてみよう
PPT Full version: 世界中のゲーム分析をしてきたPlayFabが大進化!一緒に裏側の最新データ探索の仕組みを覗いてみようDaisuke Masubuchi
 
Azure Antenna AI 概要
Azure Antenna AI 概要Azure Antenna AI 概要
Azure Antenna AI 概要Miho Yamamoto
 
DBP-008_SQL Server on Azure VM 最新情報とベスト プラクティス
DBP-008_SQL Server on Azure VM 最新情報とベスト プラクティスDBP-008_SQL Server on Azure VM 最新情報とベスト プラクティス
DBP-008_SQL Server on Azure VM 最新情報とベスト プラクティスdecode2016
 
PDF版 世界中のゲーム分析をしてきたPlayFabが大進化!一緒に裏側の最新データ探索の仕組みを覗いてみよう Db tech showcase2020
PDF版 世界中のゲーム分析をしてきたPlayFabが大進化!一緒に裏側の最新データ探索の仕組みを覗いてみよう Db tech showcase2020PDF版 世界中のゲーム分析をしてきたPlayFabが大進化!一緒に裏側の最新データ探索の仕組みを覗いてみよう Db tech showcase2020
PDF版 世界中のゲーム分析をしてきたPlayFabが大進化!一緒に裏側の最新データ探索の仕組みを覗いてみよう Db tech showcase2020Daisuke Masubuchi
 
yidev第七回勉強会:「Assets Library手習い」発表資料
yidev第七回勉強会:「Assets Library手習い」発表資料yidev第七回勉強会:「Assets Library手習い」発表資料
yidev第七回勉強会:「Assets Library手習い」発表資料Hirohito Kato
 
Integrating elasticsearch with asp dot net core
Integrating elasticsearch with asp dot net coreIntegrating elasticsearch with asp dot net core
Integrating elasticsearch with asp dot net coreShotaro Suzuki
 
NuGet でゲット! Visual Studio パッケージ マネージャ―概要
NuGet でゲット! Visual Studio パッケージ マネージャ―概要NuGet でゲット! Visual Studio パッケージ マネージャ―概要
NuGet でゲット! Visual Studio パッケージ マネージャ―概要Akira Inoue
 
Ignite update databricks_stream_analytics
Ignite update databricks_stream_analyticsIgnite update databricks_stream_analytics
Ignite update databricks_stream_analyticsRyoma Nagata
 
ビッグデータ活用を加速する!分散SQLエンジン Spark SQL のご紹介 20161105 OSC Tokyo Fall
ビッグデータ活用を加速する!分散SQLエンジン Spark SQL のご紹介 20161105 OSC Tokyo Fallビッグデータ活用を加速する!分散SQLエンジン Spark SQL のご紹介 20161105 OSC Tokyo Fall
ビッグデータ活用を加速する!分散SQLエンジン Spark SQL のご紹介 20161105 OSC Tokyo FallYusukeKuramata
 
分散グラフデータベース DataStax Enterprise Graph
分散グラフデータベース DataStax Enterprise Graph分散グラフデータベース DataStax Enterprise Graph
分散グラフデータベース DataStax Enterprise GraphYuki Morishita
 
ISUCONの勝ち方 YAPC::Asia Tokyo 2015
ISUCONの勝ち方 YAPC::Asia Tokyo 2015ISUCONの勝ち方 YAPC::Asia Tokyo 2015
ISUCONの勝ち方 YAPC::Asia Tokyo 2015Masahiro Nagano
 
Let's build a simple app with .net 6 asp.net core web api, react, and elasti...
Let's build a simple app with  .net 6 asp.net core web api, react, and elasti...Let's build a simple app with  .net 6 asp.net core web api, react, and elasti...
Let's build a simple app with .net 6 asp.net core web api, react, and elasti...Shotaro Suzuki
 
やりたいことから考えるMicrosoft Azure 上の データストアの選び方とデータサイエンティスト向け活用法。KVSからDWHまで
やりたいことから考えるMicrosoft Azure 上の データストアの選び方とデータサイエンティスト向け活用法。KVSからDWHまでやりたいことから考えるMicrosoft Azure 上の データストアの選び方とデータサイエンティスト向け活用法。KVSからDWHまで
やりたいことから考えるMicrosoft Azure 上の データストアの選び方とデータサイエンティスト向け活用法。KVSからDWHまでDaisuke Masubuchi
 

Similar to Vector (20)

機械学習 / Deep Learning 大全 (5) Tool編
機械学習 / Deep Learning 大全 (5) Tool編機械学習 / Deep Learning 大全 (5) Tool編
機械学習 / Deep Learning 大全 (5) Tool編
 
Microsoft Azureのビッグデータ基盤とAIテクノロジーを活用しよう
Microsoft Azureのビッグデータ基盤とAIテクノロジーを活用しようMicrosoft Azureのビッグデータ基盤とAIテクノロジーを活用しよう
Microsoft Azureのビッグデータ基盤とAIテクノロジーを活用しよう
 
Data Factory V2 新機能徹底活用入門
Data Factory V2 新機能徹底活用入門Data Factory V2 新機能徹底活用入門
Data Factory V2 新機能徹底活用入門
 
20110519 okuyama tokyo_linuxstudy
20110519 okuyama tokyo_linuxstudy20110519 okuyama tokyo_linuxstudy
20110519 okuyama tokyo_linuxstudy
 
20160220 MSのビッグデータ分析基盤 - データマイニング+WEB@東京
20160220 MSのビッグデータ分析基盤 - データマイニング+WEB@東京20160220 MSのビッグデータ分析基盤 - データマイニング+WEB@東京
20160220 MSのビッグデータ分析基盤 - データマイニング+WEB@東京
 
コンピュータビジョン7章資料_20140830読書会
コンピュータビジョン7章資料_20140830読書会コンピュータビジョン7章資料_20140830読書会
コンピュータビジョン7章資料_20140830読書会
 
[DI07] あらゆるデータに価値がある! アンチ断捨離ストのための Azure Data Lake
[DI07] あらゆるデータに価値がある! アンチ断捨離ストのための Azure Data Lake[DI07] あらゆるデータに価値がある! アンチ断捨離ストのための Azure Data Lake
[DI07] あらゆるデータに価値がある! アンチ断捨離ストのための Azure Data Lake
 
PPT Full version: 世界中のゲーム分析をしてきたPlayFabが大進化!一緒に裏側の最新データ探索の仕組みを覗いてみよう
PPT Full version: 世界中のゲーム分析をしてきたPlayFabが大進化!一緒に裏側の最新データ探索の仕組みを覗いてみようPPT Full version: 世界中のゲーム分析をしてきたPlayFabが大進化!一緒に裏側の最新データ探索の仕組みを覗いてみよう
PPT Full version: 世界中のゲーム分析をしてきたPlayFabが大進化!一緒に裏側の最新データ探索の仕組みを覗いてみよう
 
Azure Antenna AI 概要
Azure Antenna AI 概要Azure Antenna AI 概要
Azure Antenna AI 概要
 
DBP-008_SQL Server on Azure VM 最新情報とベスト プラクティス
DBP-008_SQL Server on Azure VM 最新情報とベスト プラクティスDBP-008_SQL Server on Azure VM 最新情報とベスト プラクティス
DBP-008_SQL Server on Azure VM 最新情報とベスト プラクティス
 
PDF版 世界中のゲーム分析をしてきたPlayFabが大進化!一緒に裏側の最新データ探索の仕組みを覗いてみよう Db tech showcase2020
PDF版 世界中のゲーム分析をしてきたPlayFabが大進化!一緒に裏側の最新データ探索の仕組みを覗いてみよう Db tech showcase2020PDF版 世界中のゲーム分析をしてきたPlayFabが大進化!一緒に裏側の最新データ探索の仕組みを覗いてみよう Db tech showcase2020
PDF版 世界中のゲーム分析をしてきたPlayFabが大進化!一緒に裏側の最新データ探索の仕組みを覗いてみよう Db tech showcase2020
 
yidev第七回勉強会:「Assets Library手習い」発表資料
yidev第七回勉強会:「Assets Library手習い」発表資料yidev第七回勉強会:「Assets Library手習い」発表資料
yidev第七回勉強会:「Assets Library手習い」発表資料
 
Integrating elasticsearch with asp dot net core
Integrating elasticsearch with asp dot net coreIntegrating elasticsearch with asp dot net core
Integrating elasticsearch with asp dot net core
 
NuGet でゲット! Visual Studio パッケージ マネージャ―概要
NuGet でゲット! Visual Studio パッケージ マネージャ―概要NuGet でゲット! Visual Studio パッケージ マネージャ―概要
NuGet でゲット! Visual Studio パッケージ マネージャ―概要
 
Ignite update databricks_stream_analytics
Ignite update databricks_stream_analyticsIgnite update databricks_stream_analytics
Ignite update databricks_stream_analytics
 
ビッグデータ活用を加速する!分散SQLエンジン Spark SQL のご紹介 20161105 OSC Tokyo Fall
ビッグデータ活用を加速する!分散SQLエンジン Spark SQL のご紹介 20161105 OSC Tokyo Fallビッグデータ活用を加速する!分散SQLエンジン Spark SQL のご紹介 20161105 OSC Tokyo Fall
ビッグデータ活用を加速する!分散SQLエンジン Spark SQL のご紹介 20161105 OSC Tokyo Fall
 
分散グラフデータベース DataStax Enterprise Graph
分散グラフデータベース DataStax Enterprise Graph分散グラフデータベース DataStax Enterprise Graph
分散グラフデータベース DataStax Enterprise Graph
 
ISUCONの勝ち方 YAPC::Asia Tokyo 2015
ISUCONの勝ち方 YAPC::Asia Tokyo 2015ISUCONの勝ち方 YAPC::Asia Tokyo 2015
ISUCONの勝ち方 YAPC::Asia Tokyo 2015
 
Let's build a simple app with .net 6 asp.net core web api, react, and elasti...
Let's build a simple app with  .net 6 asp.net core web api, react, and elasti...Let's build a simple app with  .net 6 asp.net core web api, react, and elasti...
Let's build a simple app with .net 6 asp.net core web api, react, and elasti...
 
やりたいことから考えるMicrosoft Azure 上の データストアの選び方とデータサイエンティスト向け活用法。KVSからDWHまで
やりたいことから考えるMicrosoft Azure 上の データストアの選び方とデータサイエンティスト向け活用法。KVSからDWHまでやりたいことから考えるMicrosoft Azure 上の データストアの選び方とデータサイエンティスト向け活用法。KVSからDWHまで
やりたいことから考えるMicrosoft Azure 上の データストアの選び方とデータサイエンティスト向け活用法。KVSからDWHまで
 

More from NakamuraShinsaku

More from NakamuraShinsaku (13)

Jice20191017a
Jice20191017aJice20191017a
Jice20191017a
 
Jice20191017
Jice20191017Jice20191017
Jice20191017
 
Japan Booth, Small Sat Conference 2019
Japan Booth, Small Sat Conference 2019Japan Booth, Small Sat Conference 2019
Japan Booth, Small Sat Conference 2019
 
RS/GIS Seminar Tokyo 01
RS/GIS Seminar Tokyo 01 RS/GIS Seminar Tokyo 01
RS/GIS Seminar Tokyo 01
 
Fieldnaut neworleans201712.pptx
Fieldnaut neworleans201712.pptxFieldnaut neworleans201712.pptx
Fieldnaut neworleans201712.pptx
 
Practical GIS Data Integration System
Practical GIS Data Integration SystemPractical GIS Data Integration System
Practical GIS Data Integration System
 
WebServerDevelopment
WebServerDevelopmentWebServerDevelopment
WebServerDevelopment
 
DatabaseDevelopment
DatabaseDevelopmentDatabaseDevelopment
DatabaseDevelopment
 
Index
IndexIndex
Index
 
QGISInstallation
QGISInstallationQGISInstallation
QGISInstallation
 
MultiSpecInstallation
MultiSpecInstallationMultiSpecInstallation
MultiSpecInstallation
 
DownloadingASTERGDEM
DownloadingASTERGDEMDownloadingASTERGDEM
DownloadingASTERGDEM
 
DownloadingASTER
DownloadingASTERDownloadingASTER
DownloadingASTER
 

Vector

  • 1. Copyright 2017. Japan Space Systems. All Rights Reserved. 1 宇宙APIレシピ集
  • 2. Copyright 2017. Japan Space Systems. All Rights Reserved. ラスタデータのベクタデータ化 ➢ ポイント 1. このレシピでは、ASTERデータを分類した結果 作成され た画像(参考: 分類)をベクタデータに変更します。 2. ベクタデータは、多くの情報を持つことができるので、 解析結果保存に役立ちます。 ➢ 用意するもの 1. インターネットに接続できるPC 2. ASTERデータフォルスカラー画像 (参考: ASTERデータ フォルスカラー画像作成) 3. 分類結果のラスタ画像 (参考: 分類) 4. QGIS (参考: QGISインストール) ➢ 操作 1. ASTERデータフォルスカラー画像を用意します。 (参考: ASTERデータフォルスカラー画像作成) 2. QGISを起動します。 3. ASTERデータを用いて、分類します。(参考: 分類) 2 ASTERデータを分類した結果
  • 3. Copyright 2017. Japan Space Systems. All Rights Reserved. 4. QGIS上段のメニューバーを右クリックし、以下の項目の チェックを外します。 SCP Dock SCP Edit Toolbar SCP Toolbar SCP Working Toolbar 5. QGIS上段より、ラスタ→解析→ふるいを選択します。 6. 出力ファイル欄で、出力ファイル名を作成します。 7. しきい値にチェックを入力し、100を設定します。 8. ピクセルの連結にチェックを入力し、4を設定します。 ラスタデータのベクタデータ化 3
  • 4. Copyright 2017. Japan Space Systems. All Rights Reserved. 9. QGIS上段より、ラスタ→変換→ポリゴン化(ラスタのベ クタ化)を選択します。 10.入力ファイル欄より、先程作成したレイヤを選択します。 11.ポリゴン出力ファイル欄より、ファイル名を作成します。 12.フィールド名にチェックを入れ、DNを設定します。 13.OKボタンをクリックします。 14.ふるい分けされたレイヤが表示されます。 ラスタデータのベクタデータ化 4
  • 5. Copyright 2017. Japan Space Systems. All Rights Reserved. 15.ふるい分けしたレイヤをダブルクリックして、プロパ ティを表示します。 16.プロパティウィンドウのスタイルタブを選択します。 17.プロパティウィンドウ上段にある単一シンボルをクリッ クして、分類されたを選択します。 18.カラム欄で、DNを選択し、分類ボタンをクリックします。 19.OKボタンをクリックします。 ラスタデータのベクタデータ化 5 ふるい分けレイヤの色分け結果
  • 6. Copyright 2017. Japan Space Systems. All Rights Reserved. 20.ふるい分けした領域の面積計算を行います。面積計算を する際は、投影法をUTMに変更する必要があります。(は じめに保存した際は、等緯度経度(WGS 84)で保存してい ます。投映法については、地図作成を参照してください) 21.レイヤを右クリックして、名前を付けて保存するを選択 します。 22.File Name欄で、ファイル名を作成します。CSR選択アイ コン をクリックして、UTMを選択します。ゾーンにつ いては、対象となる領域のゾーンを選択してください。 今回は、ケニアとタンザニアの国境を対象としてるため、 下記のUTMを選択します。 WGS 84 / UTM zone 36s 23.OKボタンをクリックして、投影法を変更したベクタデー タを保存します。 ラスタデータのベクタデータ化 6
  • 7. Copyright 2017. Japan Space Systems. All Rights Reserved. ラスタデータのベクタデータ化 7 24.UTM変換したベクタレイヤをダブルクリックして、プロ パティを表示します。 25.スタイルタブを選択します。 26.単一シンボルをクリックして、分類されたを選択します。 27.分類ボタンをクリックし、OKボタンをクリックします。
  • 8. Copyright 2017. Japan Space Systems. All Rights Reserved. ラスタデータのベクタデータ化 8 28.QGIS上段より、ベクタ→ジオメトリツール→ジオメトリ カラムの出力/追加を選択します。 29.入力レイヤ欄で、投影法をUTMに変換したベクタレイヤ を選択します。 30.Runボタンをクリックします。 31.作成されたベクタレイヤを右クリックして、属性テーブ ルを開くを選択します。面積(Area)及び周囲長 (Perimeter)が表示されていることを確認します。 面積と周囲長の計算結果が追加された
  • 9. Copyright 2017. Japan Space Systems. All Rights Reserved. ラスタデータのベクタデータ化 9 32.属性テーブルウィンドウから式を使った地物検索アイコ ン をクリックします。 33.表示されたポップアップウィンドウ上で、式を入力しま す。今回は、分類した水域を選択します。 34.選択ボタンをクリックし、閉じるボタンをクリックしま す。 選択した地物がハイライトで表示される
  • 10. Copyright 2017. Japan Space Systems. All Rights Reserved. ラスタデータのベクタデータ化 10 35.ベクタレイヤを右クリックして、名前を付けて保存する を選択します。 36.File name欄で、保存するファイル名を作成します。 37.OKボタンをクリックして、保存します。 38.操作32から34で選択した水域のみ保存されます。 39.必要に応じて、QGISプロジェクトを保存します。 水域のみが抽出された
  • 11. Copyright 2017. Japan Space Systems. All Rights Reserved. ラスタデータのベクタデータ化 ➢ まめちしき (ベクタデータ化) ラスタデータとベクタデータには大きな違いがあります。ま ず、ラスタデータは、ピクセルで区切られた中に情報が埋め 込まれています。一方ベクタデータは、点や線、多角形と いった地理空間的な特徴を有しており、その中に情報を保持 しています。さらに、ベクタデータでは、それぞれの地物に ついて多くの情報を持たせることができます。これにより、 面積の計算や地物の選択等、解析に必要な様々な操作を行う ことができるようになります。 このため、多くの研究者は、衛星データを用いて分類した結 果等をベクタデータ化することで、より多くの情報を分類し た地物ごとに持たせて、今後の解析に役立てていきます。 11 ラスタデータとベクタデータの比較。ラスタデータはピクセルで仕分けられているが、ラスタ データは、空間的にデータを保有することができる。 ベクタデータには、多くの情報を持たせることができる。これによ り、行政区でデータを選別したり、面積や人口等で情報をふるいに 変えることができる。